机器学习：漂浮基空间机器人的径向基神经网络鲁棒自适应控制

针对一类双波动鳍仿生水下机器人的姿态镇定问题,提出一种基于增强学习的自适应PID控制方法.对增强学习自适应PID控制器进行了具体设计,包括PD控制律和基于增强学习的参数自适应方法.基于实际模型参数对偏航角镇定问题进行了仿真试验.结果表明,经过较小次数的学习控制后,仿生水下机器人的偏航角镇定性能得到明显改善,而且能够在短时间内对一般性扰动进行抑制,表现出了较好的适应性

上海交通大学：《控制理论》课程教学资源_控制理论教学资料（实验指导）机器人系统实验指导（旋转倒立摆工作原理及基本操作）

10.1图象的理解与分析 10.2积木世界的景物分析 10.3视觉的知识表示与控制策略 10.4物体形状的分析与识别 10.5机器人视觉系统举例 10.6小结

针对轮式移动操作机器人的非完整性和不确定性,为其设计了鲁棒跟踪控制器.即采用分段运动学到动力学方法为移动平台设计动力学跟踪控制器,并分别为移动平台和机械手设计神经网络控制器,利用遗传算法来搜索神经网络的优化权系值,从而补偿平台与机械手间的不确定量.通过Matlab的Simulink以及CMEX文件对所设计的控制器仿真,结果表明此控制器具有较强的鲁棒性

研究了具有控制输入约束和外部干扰的轮式移动机器人的轨迹跟踪问题.在轨迹跟踪位姿误差的T-S模型和并行分布补偿框架下,利用分段模糊Lyapunov理论给出了满足控制输入约束的H∞控制器设计方法,并证明了闭环系统的稳定性.仿真结果验证了所提方法的有效性

智能控制的基本概念 智能控制系统的特点 智能控制系统的结构理论 智能控制与传统控制的关系 智能控制的研究对象 智能控制的类型 智能控制的发展概述

提出了一种模糊柔顺的控制方法来控制机器人的装配作业.本方法不需要装配作业的模型参数,省去了大量的计算.并且在控制过程中不需要引入受力信息的变化量.实验证明,这种方法实用性强,实时性好

3.1 机械人系统的构成 3.2 传递函数和方框图 3.3 PID控制 3.4 机械手的位置控制 3.5 机械手的力控制 3.6 其他控制方式简介

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先，针对一类三轮驱动的全向移动机器人，考虑系统存在模型参数不确定与外部扰动，建立了运动学与动力学模型；其次，利用障碍Lyapunov函数，结合反步设计方法，有效处理全向移动机器人跟踪过程中存在的状态约束，保证所有状态变量不会超出状态约束的限制区域；然后，针对系统参数不确定和未知有界扰动，设计相应的自适应律进行处理；同时，提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束；并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界；最后，通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比，验证了该方法的有效性和鲁棒性